satu waktu adalah sekumpulan data untuk meneliti suatu fenomena tertentu dalam suatu kurun waktu Umar, 2003:70.
Sumber data penelitian diperoleh peneliti secara tidak langsung melalui media perantara diperoleh dan dicatat oleh pihak lain Indriantoro, 2002: 147. Data
sekunder yang dibutuhkan dalam penelitian ini diperoleh dalam bentuk laporan keuangan audited yang rutin diterbitkan setiap tahun oleh perusahaan pada
periode 2010-2012 yang diperoleh dari website Bursa Efek Indonesia yaitu www.idx.co,id.
3.7 Teknik Pengumpulan Data
Pengumpulan data sekunder dalam penelitian ini dilakukan dengan dua tahap. Tahap pertama adalah melakukan studi pustaka, yaitu dengan mengumpulkan
data dari jurnal, skripsi, tesis dan buku yang berhubungan dengan penelitian. Tahap kedua adalah studi dokumentasi, yaitu dengan mengumpulkan data dalam
bentuk laporan keuangan, laporan tahunan, dan informasi lain yang dibutuhkan melalui media internet dengan cara men-download laporan-laporan keuangan dan
tahunan perusahaan yang dibutuhkan melalui situs www.idx.co.id
3.8 Metode Analisis Data
3.8.1 Statistik Deskriptif
Statistik deskriptif memberikan gambaran mengenai nilai mean, sum, standar deviasi, variance, range, minimum dan maximum. Namun tidak semua
nilai deskripsi diperlukan dalam suatu pengujian. Sebaiknya dipilih sesuai
Universitas Sumatera Utara
dengan kebutuhan analisis Lubis, dkk, 2007. Dalam penelitian ini penulis menjabarkan statistik deskriptif berupa mean, maximum, minimum, dan
standar deviasi.
3.8.2 Uji Asumsi Klasik
Sebelum model regresi digunakan dalam pengujian hipotesis, terlebih dahulu model tersebut diuji apakah model tersebut memenuhi asumsi klasik atau
tidak. Asumsi klasik merupakan asumsi yang mendasari analisis regresi.
Model penelitian yang baik merupakan model yang memenuhi kriteria BLUE Best
Linear Unbiased Estimator. BLUE adalah penduga estimator yang mempunyai sifat berikut ini: linier, tidak bias, dan varians minimum. Peneliti
melakukan uji asumsi klasik agar model penelitian ini memenuhi kriteria BLUE.
Pengujian asumsi klasik ini meliputi : uji normalitas, uji multikoliniearitas, uji autokorelasi, dan uji heteroskedastisitas.
3.8.2.1 Uji Normalitas
Menurut Erlina 2008:102, “tujuan uji normalitas adalah ingin mengetahui apakah dalam model regresi variabel pengganggu atau
residual memiliki distribusi normal”. Pengujian ini diperlukan karena untuk melakukan uji T dan uji F mengasumsikan bahwa nilai residual
mengikuti distribusi normal. Uji normalitas bertujuan untuk menguji apakah variabel independen dan variabel dependen berdistribusi normal
Ghozali, 2005:110. Model regresi yang baik adalah memiliki distribusi data normal atau mendekati normal. Dalam penelitian ini, untuk
mendeteksi normalitas data dapat dilakukan dengan pengujian berikut:
Universitas Sumatera Utara
1. Uji Kolmogrov Smirnov 1 Jika nilai signifikan 0.05 maka distribusi normal, dan
2 jika nilai signifikan 0.05 maka distribusi tidak normal Hipotesis yang digunakan dalam uji ini adalah:
Ho : Data residual berdistribusi normal Ha : Data residual tidak berdistribusi normal
2. Histogram Pengujian dengan model histogram memiliki ketentuan bahwa data
normal berbentuk lonceng. Data yang baik adalah data yang memiliki pola distribusi normal. Jika data melenceng ke kanan atau melenceng
ke kiri berarti data tidak terdistribusi secara normal. 3. Grafik Normality Probability Plot
1 Jika data menyebar di sekitar garis diagonal dan mengikuti arah garis diagonal, maka model regresi memenuhi asumsi normalitas.
2 Jika data menyebar jauh dari diagonal danatau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi
normalitas. Jika data tidak normal, ada beberapa cara mengubah model regresi
menjadi normal menurut Ginting 2008:62 yaitu: 1 lakukan transformasi data, misalnya mengubah data menjadi bentuk logaritma Log atau
natural ln, 2 menambah jumlah data, 3 menghilangkan data yang dianggap sebagai penyebab tidak normalnya data, dan 4 menerima data
apa adanya.
Universitas Sumatera Utara
3.8.2.2 Uji Autokorelasi
Uji autokorelasi akan muncul bila data yang dipakai runtut waktu time series. “Autokorelasi akan muncul bila data sesudahnya merupakan
fungsi data sebelumnya atau data sesudahnya memiliki korelasi yang tinggi dengan data sebelumnya pada tempat data tersebut terjadi”
Ghozali,2005:175. Uji autokorelasi bertujuan untuk menguji apakah dalam model regresi linear ada korelasi antara kesalahan pengganggu pada
periode t-1 sebelumnya, jika terjadi autokorelasi maka dapat diatasi dengan melakukan transformasi data atau dengan menambah jumlah
observasi. Cara yang dapat dilakukan untuk mendeteksi ada atau tidaknya autokorelasi adalah dengan uji Durbin Watson. Pengambilan keputusan
ada tidaknya autokorelasi menurut Durbin Watson adalah sebagai berikut: 1. angka D-W dibawah -2 berarti ada autokorelasi positif,
2. angka D-W diantara -2 sampai +2 berarti tidak ada autokorelasi, 3. angka D-W di atas +2 berarti ada autokorelasi negatif.
3.8.2.3 Uji Multikolinearitas
Uji multikolinearitas adalah suatu hubungan linier yang sempurna antara beberapa atau semua variabel independen. Uji multikolinearitas
bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antara variabel bebas. Pada program SPSS ada beberapa metode yang
sering digunakan untuk mendeteksi adanya multikolinearitas. Menurut Situmorang, dkk 2008:104 Salah satunya adalah dengan cara
Universitas Sumatera Utara
membandingkan nilai Variance Inflation Factor VIF dan Tolerance yaitu Tolerance 0,1 sedangkan VIF 5.
3.8.2.4 Uji Heteroskedastisitas
Menurut Imam Ghozali 2005:105, uji heteroskedastisitas bertujuan menguji apakah dalam model regresi terdapat ketidaksamaan
variance dari residual satu pengamatan ke pengamatan lain. Konsekuensinya adanya heteroskedastisitas dalam model regresi adalah
penaksir yang diperoleh tidak efisien, baik dalam sampel kecil maupun besar. Salah satu cara yang dapat digunakan untuk mengetahui ada
tidaknya gejala heteroskedastisitas adalah dengan melihat pada grafik scatter plot.
Jika ada pola tertentu seperti titik-titik yang membentuk pola tertentu yang teratur bergelombang, melebar, kemudian menyempit
maka mengindikasikan telah terjadi heteroskedastisitas. Jika tak ada pola yang jelas maka tidak terjadi gejala heteroskedastisitas.
Untuk mengetahui ada tidaknya heteroskedastisitas juga dapat diketahui dengan melakukan uji glejser. Jika variabel bebas signifikan
secara statistic mempengaruhi variabel terikat maka ada indikasi terjadi heteroskedastisitas Ghozali, 2005:69.
3.8.3 Analisis Regresi Berganda
